vllm-project/vllm

修复CPU部署中结构化输出因pin_memory=True导致的崩溃。

对于涉及CPU部署或结构化输出功能的工程师，推荐阅读此PR以理解设备检测和内存优化的最佳实践；对技术管理者，可关注代码审查过程中的设计权衡如何提升代码质量。

修复 pooling 模型文档中离线推理示例的路径错误。

这是一个简单的文档修复 PR，无需深入技术分析。值得关注的是验证过程和范围控制，以体现维护者审慎处理文档变更的态度。对于工程师，可以快速浏览以了解如何修正路径错误，并检查是否有类似问题在其他文档中。

修复Mamba状态损坏，清除陈旧block table条目。

建议工程师精读此PR，特别是block_table.py的clear_row实现和gpu_model_runner.py的_dummy_run同步逻辑，以理解DP和CUDA图中状态管理的设计权衡。

修复CLI强制使用统计标志未启用连续使用统计的bug。

建议快速浏览以理解修复逻辑，特别是`should_include_usage()`函数的变更。对于负责entrypoints模块或前端测试的工程师，值得关注回归测试的设计，以确保覆盖所有相关场景。

在 usage stats 中添加 Intel XPU 硬件信息收集，避免 gpu_type 和 gpu_count 为 null。

该 PR 值得 XPU 用户或 usage stats 模块维护者精读，以了解硬件检测扩展模式。建议关注 review 中提到的设备数检查缺失问题，在部署到无 XPU 设备的环境时可能引发异常。

修复vllm/model_executor模块的mypy类型错误，提升代码质量。

对于从事vllm/model_executor模块开发或类型检查工作的工程师，此PR值得精读，可以关注如何通过类型提示、断言和cast提升代码安全性，特别是在处理复杂类型时的设计决策。

添加调度器选项，基于完整输入序列长度准入请求，防止KV缓存颠簸和性能下降。

该PR值得精读，特别是`can_fit_full_sequence`方法的设计和调度集成逻辑，展示了如何通过准入控制优化资源利用率，以及review中关于配置和日志的决策权衡。

新增硬限制思考令牌功能，通过 logits processor 强制结束令牌以控制推理循环。

建议技术管理者和工程师精读此 PR，重点关注 `ThinkingTokenBudgetLogitsProcessor` 的状态管理设计（如 `_state` 字典和增量处理优化）和与配置系统的集成（`ReasoningConfig` 的自动 token IDs 初始化）。这些设计决策展示了如何在保持采样流程的同时实现硬限制，并提供了可扩展的配置接口。